多目标声纳图像分割算法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 引言 | 第10页 |
| 1.2 研究的目的和意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-16页 |
| 1.3.1 声纳图像滤波技术研究进展 | 第11-12页 |
| 1.3.2 图像分割技术研究进展 | 第12-14页 |
| 1.3.3 多目标声纳图像分割技术研究进展 | 第14-16页 |
| 1.4 主要研究内容和结构安排 | 第16-18页 |
| 第2章 声纳图像的预处理 | 第18-36页 |
| 2.1 声纳图像噪声来源及类型 | 第18-20页 |
| 2.2 声纳图像预处理相关算法 | 第20-28页 |
| 2.2.1 邻域平均滤波 | 第21-22页 |
| 2.2.2 中值滤波算法 | 第22页 |
| 2.2.3 基于小波的滤波算法 | 第22-24页 |
| 2.2.4 基于偏微分方程的滤波算法 | 第24-28页 |
| 2.3 基于中值滤波的滤波算法 | 第28-30页 |
| 2.3.1 理论分析及算法 | 第29页 |
| 2.3.2 算法实现过程 | 第29-30页 |
| 2.4 实验结果与分析 | 第30-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 多目标图像分割方法 | 第36-46页 |
| 3.1 基于支持向量机的多目标图像分割 | 第36-38页 |
| 3.1.1 支持向量机理论 | 第36-37页 |
| 3.1.2 多类支持向量机 | 第37-38页 |
| 3.2 基于水平集的方法 | 第38-42页 |
| 3.2.1 曲线演化理论 | 第38-39页 |
| 3.2.2 水平集理论 | 第39页 |
| 3.2.3 基于几何蛇模型的方法 | 第39-41页 |
| 3.2.4 多相水平集方法 | 第41-42页 |
| 3.3 基于聚类的方法 | 第42-43页 |
| 3.4 基于区域的多目标分割方法 | 第43-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第4章 基于BEMD和FCM的多目标图像分割方法 | 第46-56页 |
| 4.1 模糊C均值聚类 | 第46-49页 |
| 4.1.1 模糊集理论 | 第46页 |
| 4.1.2 K均值聚类 | 第46-47页 |
| 4.1.3 模糊C均值聚类 | 第47-49页 |
| 4.2 改进的模式分解法 | 第49-51页 |
| 4.2.1 图像的频率域表示 | 第49页 |
| 4.2.2 经验模式分解法理论 | 第49-50页 |
| 4.2.3 二维经验模式分解 | 第50-51页 |
| 4.3 实验结果与分析 | 第51-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第5章 基于直方图分层的多目标声纳图像分割算法 | 第56-68页 |
| 5.1 图像分层 | 第56-58页 |
| 5.1.1 图像分层理论 | 第56-57页 |
| 5.1.2 多分辨率图像分层方法 | 第57页 |
| 5.1.3 频率域图像分层方法 | 第57-58页 |
| 5.1.4 基于灰度直方图的图像分层 | 第58页 |
| 5.2 OTSU阈值分割 | 第58-60页 |
| 5.3 粒子群算法 | 第60-62页 |
| 5.3.1 粒子群算法基本理论 | 第60页 |
| 5.3.2 粒子群算法的基本流程 | 第60-62页 |
| 5.4 算法实现流程 | 第62-63页 |
| 5.5 实验结果与分析 | 第63-66页 |
| 5.6 本章小结 | 第66-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第76-78页 |
| 致谢 | 第78页 |
